JavaScript 傅立叶是指使用 Fast Fourier Transform (FFT) 算法实现傅立叶变换来处理信号和波形的技术。它是一种重要的信号处理方法，可以在音频分析、图像处理、滤波等领域得到广泛应用。

在 JavaScript 中，我们可以使用解析库来实现 FFT。例如，以下是使用 Fft.js 库在浏览器中实现傅立叶变换的代码：

const signal = new Fft.ComplexArray(1024);
// 对信号进行采样、窗口函数处理等操作
signal.FFT();

以上代码中，我们首先创建了一个长度为 1024 的复数数组 signal，并对其进行了采样和窗口函数处理等操作。然后，我们调用 signal.FFT() 方法来进行傅立叶变换，并得到变换后的结果。

在傅立叶变换的结果中，我们可以获取频率域的信息，例如幅度频谱和相位频谱。幅度频谱表示信号在不同频率下的强度，而相位频谱则表示信号在不同频率下的相位变化。

以下是使用 Fft.js 库获取幅度频谱和相位频谱的代码：

const spectrum = signal.spectrum;
const magnitudes = new Array(spectrum.length / 2);
const phases = new Array(spectrum.length / 2);
for (let i = 0; i< magnitudes.length; ++i) {
const re = spectrum.real[i];
const im = spectrum.imag[i];
magnitudes[i] = Math.sqrt(re * re + im * im);
phases[i] = Math.atan2(im, re);
}

以上代码中，我们首先获取了 signal 的幅度频谱。然后，我们根据幅度频谱计算出每个频率下的幅度和相位信息，并分别存储在 magnitudes 和 phases 数组中。

除了使用解析库之外，我们也可以手动实现 FFT 算法。以下是一个简单的 JavaScript FFT 实现：

function fft(signal) {
const N = signal.length;
if (N<= 1) {
return signal;
}
const halfN = N / 2;
const even = new Array(halfN);
const odd = new Array(halfN);
for (let i = 0; i< halfN; ++i) {
even[i] = signal[2 * i];
odd[i] = signal[2 * i + 1];
}
const evenTransformed = fft(even);
const oddTransformed = fft(odd);
const result = new Array(N);
for (let i = 0; i< halfN; ++i) {
const t = oddTransformed[i].mul(polar(1, -2 * Math.PI * i / N));
result[i] = evenTransformed[i].add(t);
result[i + halfN] = evenTransformed[i].sub(t);
}
return result;
}

以上代码中，我们使用了递归的方式来实现 FFT。我们首先将输入信号 signal 分成偶数和奇数两个部分，然后对两个部分分别递归地进行 FFT 变换。最后，我们将两个部分的变换结果合并，并按照正确的顺序重排得到最终的 FFT 结果。

总之，JavaScript 傅立叶是一种重要的信号处理技术，在实际应用中可以帮助我们分析和处理音频、图像等信号和波形。我们可以使用解析库来方便地实现傅立叶变换，也可以手动实现 FFT 算法来更深入地理解该技术的原理和实现。